Willkofer, Florian (2024): Dynamics of exceptional peak discharges of Bavarian rivers in a changing climate: assessment through the introduction of a single model initial condition large ensemble of climate data to the hydrological impact modelling chain. Dissertation, LMU München: Faculty of Geosciences |
Preview |
PDF
Willkofer_Florian.pdf 20MB |
Abstract
Over the last 30 years heavy precipitation events, which were either locally bound or spacious in extent have caused several extreme floods in Bavaria, such as the Pentecost flood in 1999 affecting the entire Danube region, followed by floods in 2002, 2005, and 2013. All these floods have been described as events which statistically should only occur once in a hundred years (100-year flood) or longer. The time span between these high flow events, separated by only a few years, indicates that these severe events have become more frequent. In populated areas these events cause severe damage and often involve human casualties leading to an increased attention from the general public and science. According to their definition, extreme events such as the 100-year flood occur rarely; thus, they are only sparsely covered in discharge observations. The 100-year flood is frequently used in Bavaria and elsewhere as a design criterion for the development and construction of flood protection measures or hydro-power facilities. Hence, a reliable estimation of its current value and future dynamics due to a changing climate is important. These critical thresholds are generally derived from the existing discharge time series by applying various methods of extreme value statistics. However, since most available discharge time series are too short for an empirical estimation, the statistical methods need to extrapolate beyond the observed record to estimate the 100-year flood magnitude. For a more reliable quantification of the 100-year flood magnitude and in order to account for any changes in response to climate change, new approaches employ hydrological models to create long time series of discharge data based on meteorological inputs provided by weather generators or large climate model ensembles. This dissertation investigates the impact of climate change on extreme flood events for all major Bavarian catchments. A hydro-meteorological model chain for the assessment of climate change impacts on the hydrology (scenario - global climate model (GCM) - regional climate model (RCM) - hydrological model) is employed. The model chain uses a Single-Model Initial Condition Large Ensemble (SMILE) of the Canadian Regional Climate Model, version 5 (CRCM5-LE) forced by the Representative Concentration Pathway 8.5 (RCP8.5) emission scenario, to drive the hydrological model WaSiM (Water Balance Simulation Model, formerly WaSiM-ETH). Three scientific publications address different aspects of this model chain regarding its application to simulate high flow events and their change in dynamics (i.e., frequency and intensity) in response to a changing climate. The first publication addresses the development of the hydrological model itself. The process-based and fully-distributed model WaSiM was set up for 98 catchments of the Bavarian Danube and Main, as well as their tributaries (such as the Inn). Since some of these catchments extend beyond the political borders of Bavaria, the entirety of them all is further referred to as the Hydrological Bavaria. To account for the spatial and temporal dynamics of hydrological extreme events, the model was set up in a high spatiotemporal resolution. Furthermore, regionalized model parameters were determined using a semi-global and semi-automatized approach, focusing on the representation of high flows. To determine the model’s performance to simulate these events a confidence value (Level of Trust, LOT) was introduced which shows the deviation of discharge values of selected return periods (1 in 5-, 10-, 20-years) between model data and observations at the respective gauge. The discharge values were estimated using an extreme value distribution (Generalized Pareto Distribution with Peak over Threshold sampling and L-Moments for parameter estimation). The results show that the model performs sufficiently well with values of the Nash & Sutcliffe Efficiency and Kling-Gupta Efficiency above 0.6 for most of the gauges. The results regarding the LOT, which represents the capability of the model to reproduce high return period events, depict moderate (between 20% and 30% deviation) to very high (less than 10% deviation) confidence for the majority gauges. However, the number of gauges yielding trustworthy results (above moderate LOT) reduces with an increasing return period. RCM data often exhibit systematic deviations from long term mean observations (bias) which should be removed for climate change impact studies. Hence, the second publication investigated which of the selected methods for bias correction (BC; linear scaling, local intensity scaling, quantile-mapping, qm; yearly and monthly correction factors) is best suited for the adaptation of raw RCM data (by means of their impact on different hydrological indicators) and how these methods affect the climate change signal of different hydrological indicators for a selection of catchments within the Hydrological Bavaria. Although a BC is inevitable in many cases due to a strong bias in precipitation (amounts, seasonal course) and/or temperature, its application is often critically discussed as most approaches result in incoherence between variables and may alter the original climate change signal. As shown in the second publication, the qm approach with monthly correction factors is recommended for the adjustment of RCM outputs for the catchments of the Hydrological Bavaria as it yields either the best adjustment to simulations using observations or performs similarly well than other methods. Further, the presented results of this study illustrate that the employed BC methods affect the change signal of the presented hydrological indicators. Change signals for extreme event indicators are more affected by different BC methods, with more 100% difference in absolute change values in extreme cases, than those of long term mean flow indicators, with differences in relative CCS between 0 and 15 percent points. The third publication focuses on the main scope of this dissertation: the impact of climate change on the dynamics (i.e., frequency and intensity) of extreme flood events for the 98 catchments of the Hydrological Bavaria focusing on the 100-year flood. For this purpose, the model introduced in the first publication is driven by the CRCM5-LE climate simulations which have been corrected using the qm approach as recommended in the second publication but adapted for daily correction factors. The resulting hydrological SMILE (hydro-SMILE) provides a large database of 1,500 model years per 30-year period (50 members x 30 years) for the analysis of extreme events. A comparison between values for the 100-year flood obtained by a Generalized Extreme Value distribution (GEV) and the empirical probability of exceedance is made to illustrate the benefit of the hydro-SMILE for a robust estimation of extreme flood events. The robust estimation of 100-year flood events further allows for the assessment of possible changes in the frequency and intensity by direct comparison between present and future values. The presented results show the benefit of the hydro-SMILE for the robust estimation of extreme high flow events using empirical probabilities compared to statistical estimates using an extreme value distribution. Furthermore, the results show that for catchments exhibiting a nival (snow) component in their runoff regime a considerable to severe increase in frequency (between 7 and 12 times as frequent) and intensity (between 36% and 104%) of 100-year flood events is expected until the end of the century. In catchments exhibiting a more pluvial influence in their flow regime (especially north of the Alps) these dynamics are less pronounced (at least 10% to 25% increase in intensity for more than 50% of the gauges, up to a maximum between 20% and 44%; at least 1.5 times as frequent for more than 50% of the gauges, up to 3 times as frequent at the maximum) or in individual cases even show a decline in frequency and intensity. Other studies also show this behavior in the dynamics of extreme floods for the upper Danube. However, the methods employed in this dissertation allow for a better quantification of a dynamically changing hydrological system under a transient changing climate. This dissertation illustrates the results of a state-of-the-art modelling chain employing a single RCM large ensemble driving a single hydrological model under a strong emission scenario to study the changes in dynamics of high flow events in the Hydrological Bavaria.
Abstract
In den letzten 30 Jahren kam es in bayerischen Flusseinzugsgebieten vermehrt zu extremen, teils lokal begrenzten oder weiträumigen Niederschlagsreignissen die zu extremen Hochwässern in den betroffenen Regionen führten, etwa das Pfingsthochwasser 1999 im gesamten Donaugebiet, gefolgt von weiteren Hochwässern in den Jahren 2002, 2005 und 2013. Der zeitliche Abstand dieser Hochwasserereignisse, die nur wenige Jahre trennen, deutet auf eine Zunahme der Häufigkeit dieser schwerwiegenden Ereignisse hin. Da in besiedelten Räumen diese Ereignisse schwere Schäden verursachen und oft auch Menschenleben fordern, erlangen sie erhöhte Aufmerksamkeit in der Öffentlichkeit und Wissenschaft. Extremereignisse wie das 100-jährliche Hochwasser treten ihrer Definition gemäß nur sehr selten auf und sind somit auch in Pegelzeitreihen nur selten zu beobachten. Das 100-jährliche Hochwasser dient allerdings meist als Kriterium für die Entwicklung und Errichtung von Hochwasserschutzmaßnahmen oder Wasserkraftanlagen. Somit ist eine verlässliche Ermittlung, sowie die mögliche Entwicklung dieses Wertes in Zeiten des Klimawandels von großer Bedeutung. Diese kritischen Grenzwerte werden allgemein anhand von existierenden Abflusszeitreihen und verschiedener Methoden der Extremwertstatistik abgeleitet. Da die meisten verfügbaren Zeitreihen für eine robuste empirische Ableitung zu kurz sind, wird die Magnitude des 100-jährlichen Hochwassers durch Extrapolation der statistischen Methoden über die Beobachtungszeitreihe hinaus geschätzt. Um eine verlässlichere Quantifizierung des 100-jährlichen Hochwassers zu ermöglichen und durch den Klimawandel hervorgerufene Änderungen zu berücksichtigen, bedienen sich neue Ansätze der Verwendung hydrologischer Modelle zur Erzeugung langer Abflusszeitreihen basierend auf meteorologischen Daten aus Wettergeneratoren oder großer Klimamodellensembles. Die vorliegende Dissertation befasst sich mit den Auswirkungen des Klimawandels auf extreme Hochwasserereignisse in Bayerischen Flusseinzugsgebieten. Hierfür wird die hydro-meteorologische Modellkette zur Ermittlung der Auswirkungen des Klimawandels auf die Hydrologie (Szenario - globales Klimamodell (GCM) - regionales Klimamodell (RCM) - hydrologisches Modell) herangezogen. Die Modellkette verwendet ein Single-Model Initial Condition Large Ensemble (SMILE) eines RCM, das Canadian Regional Climate Model, Version 5 Large Ensemble (CRCM5-LE) unter Verwendung des Representative Concentration Pathway 8.5 (RCP8.5) Emissionsszenario als Antrieb für das hydrologische Modell WaSiM (Water Balance Simulation Model, ehemals WaSiM-ETH). In drei wissenschaftlichen Publikationen werden verschiedene Aspekte dieser Modellkette im Hinblick auf ihre Anwendung zur Simulation von Hochwasserereignissen und der durch den Klimawandel hervorgerufenen Dynamik (Intensität und Häufigkeit) dieser Ereignisse untersucht. Die erste Publikation befasst sich mit der Erstellung des hydrologischen Modells. Hierfür wurde das prozessbasierte, flächenhaft differenziert arbeitende Modell WaSiM für 98 Einzugsgebiete der bayerischen Donau und des Main, sowie deren Zuflüsse (z.B. Inn) verwendet. Da einige dieser Einzugsgebiete über das politische Bayern hinaus reichen, wird ihre Gesamtheit im Folgenden als Hydrologisches Bayern bezeichnet. Um der räumlich-zeitlichen Dynamik hydrologischer Extremereignisse gerecht zu werden, wurde für das Modell eine hohe räumliche und zeitliche Auflösung gewählt. Zudem wurden regional einheiltiche Modellparameter in einem semi-globalen und semi-automatisierten Verfahren ermittelt, mit dem Fokus auf die Abbildung von Hochwasserereignissen. Zur Bewertung der Performanz hinsichtlich der Simulation dieser Ereignisse wurde ein Vertrauenswert (Level of Trust, LOT) eingeführt, der die Abweichung für Abflusswerte ausgewählter Hochwasserjährlichkeiten (5-, 10-, 20-jährlich) aus Modell und Beobachtungen am jeweiligen Pegel angibt. Die Abflusswerte wurden dabei durch eine Extremwertverteilung (Generalized Pareto Distribution; Peak over Threshold sampling; L-Moments zur Parameterschätzung) ermittelt. Die Ergebnisse zeigen, dass die Performanz des Modells, die an den meisten betrachteten Pegeln eine Nash & Sutcliffe Effizienz sowie eine Kling-Gupta Effizients über 0.6 erreicht, zufriedenstellend ist. Die Ergebnisse zum LOT, welche die Fähigkeit des Modells zur Abbildung von Hochwässern hoher Jährlichkeiten widerspiegelt, zeigen für die Mehrheit der Pegel einen moderaten (zwischen 20% und 30 % Abweichung) bis sehr hohen (unter 10% Abweichung) Vertrauenswert. Die Anzahl vertrauenswürdiger Pegel reduziert sich allerdings mit einer ansteigenden Jährlichkeit. RCM Daten weisen häufig systematische Abweichungen vom langjährigen Mittel der Beobachtungen auf (Bias), die für Klimwandelfolgestudien entfernt werden müssen. Daher wurde in der zweiten Publikation für ausgewählte Einzugsgebiete des hydrologischen Bayerns untersucht, welche der ausgewählten Methoden zur Bias-Korrektur (BC; linear scaling; local intensity scaling; quantile-mapping, qm; monatliche und jährliche Korrekturfaktoren) am besten für eine Anpassung roher RCM Daten geeignet ist (anhand ihres Einflusses auf unterschiedliche hydrologische Indikatoren) und welche Auswirkungen diese Methoden auf das Änderungssignal verschiedener hydrologischer Indikatoren haben. Obwohl eine Bias-Korrektur in vielen Fällen aufgrund starker Abweichungen im Niederschlag (Menge, saisonaler Verlauf) und/oder in der Temperatur unumgänglich ist, ist sie aufgrund möglicher Inkohärenz zwischen den Variablen und möglichen Auswirkungen auf das ursprüngliche Klimawandelsignal umstritten. Wie in der zweiten Publikation gezeigt, wird der qm Ansatz mit monatlichen Korrekturfaktoren für eine Anpassung der RCM Ergebnisse für die Einzugsgebiete des Hydrologischen Bayerns empfohlen, da diese Methode entweder zur besten Anpassung an die Simulationen angetrieben durch beobachtete Werte führt, oder verglichen mit anderen Methoden vergleichbare Resultate erzielt. Weiter zeigen die Ergebnisse der Studie, dass die verwendeten BC Methoden das Änderungssignal der gezeigten hydrologischen Indikatoren beeinflusst. Dabei sind Signale von Extremereignissen mit Abweichungen im absoluten Wert von teils mehr als 100% in extremen Fällen stärker betroffen als die Signale langjähriger Mittel, die Änderungen im Signal zwischen 0 und 15 Prozentpunkten ausweisen. Die dritte Publikation befasst sich mit Kernthema der Dissertation: den Auswirkungen des Klimawandels auf die Dynamik (Intensität und Häufigkeit) extremer Hochwasserereignisse in den 98 Einzugsgebieten des Hydrologischen Bayerns mit Fokus auf das 100-jährliche Hochwasser. Für diese Untersuchung wird das in der ersten Publikation beschriebene Modell durch Daten des CRCM5-LE angetrieben, die mittels der in der zweiten Publikation empfohlenen qm Methode korrigiert wurden, allerdings angepasst für tägliche Korrekturfaktoren. Das dadurch entstehende hydrologische SMILE (hydro-SMILE) bietet eine umfassende Datengrundlage von 1.500 Modelljahren pro 30-Jahres Zeitraum (50 Member x 30 Jahre) für die Analyse von Extremereignissen. Ein Vergleich zwischen den Werten für das 100-jährliche Hochwasser, die anhand der Generalized Extreme Value distribution (GEV) und der empirischen Überschreitungswahrscheinlichkeit ermittelt wurden, wurde durchgeführt, um den Vorteil eines hydro-SMILE für eine robuste Schätzung dieser Extremereignisse zu veranschaulichen. Anhand dieser robusten Werte für das 100-jährliche Hochwasser kann eine mögliche Änderung in Häufigkeit und Intensität dieser Ereignisse durch einen direkten Vergleich vergangener und zukünftiger Werte ermittelt werden. Die Ergebnisse zeigen den Vorteil des hydro-SMILE für eine robuste Abschützung extremer Hochwasserereignisse unter Verwendung empirischer Wahrscheinlichkeiten im Vergleich zur statistischen Schätzung durch eine Extremwertverteilung. Weiterhin zeigen die Ergebnisse, dass in Einzugsgebieten mit nival beeinflusstem Abflussregime eine deutliche bis starke Zunahme von Häufigkeit (zwischen 7 bis 12 mal häufiger) und Intensität (zwischen 36% und 104%) des 100-jährlichen Ereignisses gegen Ende des Jahrhunderts zu erwarten ist. In Einzugsgebieten mit zunehmend pluvial beeinflusstem Regime (vor allem nördlich der Alpen) ist diese Entwicklung weniger stark ausgeprägt (eine Zunahme der Intensität von mindestens 10% bis 25% für mehr als 50% der Pegel; bis zu einem Maximum zwischen 20% und 44%; mindestens 1,5 mal bis zu maximal 3 mal häufiger) oder zeigt in Einzelfällen sogar eine Abnahme der Häufigkeit und Intensität. Vergleichbare Studien zeigen ebenfalls dieses Verhalten für das Gebiet der oberen Donau. Allerdings erlauben die in dieser Dissertation verwendeten Methoden eine bessere Quantifikation eines sich dynamisch verändernden hydrologischen Systems unter transienten Klimawandelbedingungen. Diese Dissertation zeigt die Resultate einer aktuellen Modellkette, die ein einzelnes RCM Large Ensemble mit einem starken Emissionsszenario als Antrieb für ein hydrologisches Modell verwendet, um Änderungen in der Dynamik von Hochwasserereignissen innerhalb des Hydrologischen Bayerns zu untersuchen.
Item Type: | Theses (Dissertation, LMU Munich) |
---|---|
Keywords: | hydrological modelling, climate change, extreme flood events, bias correction, single-model initial-condition large ensemble |
Subjects: | 500 Natural sciences and mathematics 500 Natural sciences and mathematics > 550 Earth sciences |
Faculties: | Faculty of Geosciences |
Language: | English |
Date of oral examination: | 22. March 2024 |
1. Referee: | Ludwig, Ralf |
MD5 Checksum of the PDF-file: | 5401c050e110a330f2891f26c13bc757 |
Signature of the printed copy: | 0001/UMC 30547 |
ID Code: | 33770 |
Deposited On: | 25. Jul 2024 13:13 |
Last Modified: | 25. Jul 2024 13:13 |